混合模型試驗的案例
ABAQUS umat 非線性混合硬化本構(gòu)模型（Chaboche 硬化模型 ） ￥239
<p>本資源包含一份 PDF 文檔和可直接編譯運行的 Fortran UMAT 代碼，具體內(nèi)容為：</p><p>Chaboche硬化本構(gòu)模型 + 隱式積分 + 徑向返回</p><p>完整公式推導 + Fortran 源碼直接編譯</p><p>任意個數(shù)背應(yīng)力分量 + 解析一致切線模量</p><p>PDF 包含規(guī)范化的本構(gòu)方程、隱式積分、徑向返回與一致切線模量推導，可供初學者學習。配套 UMAT 代碼可直接在 ABAQUS 編譯運行，采用全隱式積分搭配一致切線模量，收斂速度極快、計算精度極高，適合初學者快速入門。</p><p>下圖展示了部分PDF內(nèi)容，及umat計算結(jié)果與abaqus內(nèi)置模型對比，可以發(fā)現(xiàn)umat收斂速度極快，與abaqus內(nèi)置模型幾乎一致。
展開 Simcenter 3D實現(xiàn)虛實結(jié)合—試驗與仿真混合建模 附Simcenter 3D多體動力學及疲勞
1 前言
數(shù)值仿真和物理試驗是目前產(chǎn)品NVH設(shè)計的兩大技術(shù)手段。物理試驗的特點是試驗技術(shù)比較直觀、結(jié)果比較確定，但缺點是必須在具備實際物理樣機的條件下才能進行，而且一般成本高、周期長；而數(shù)值仿真技術(shù)優(yōu)勢在于效率高、成本低、能夠得到試驗方法無法獲得的信息，可以在設(shè)計前期不具備物理樣機的情況下即開始應(yīng)用，并有效的指導設(shè)計。
NVH行業(yè)內(nèi)流行一句調(diào)侃，“沒有試驗支撐的仿真屬于仿假”。因為很多情況下仿真模型存在一些不確定因素，需要與物理試驗結(jié)合以提高數(shù)值仿真分析的精度。
針對產(chǎn)品NVH設(shè)計過程中試驗與仿真手段所面臨的問題，西門子數(shù)字工業(yè)軟件作為世界唯一一家同時具備NVH試驗測試硬件與NVH仿真軟件的供應(yīng)商，獨創(chuàng)性的將物理試驗和仿真分析兩種方法集成起來，開創(chuàng)性的提出了系統(tǒng)級NVH和混合建模技術(shù)，該技術(shù)可以充分發(fā)揮試驗測試技術(shù)與仿真分析技術(shù)各自的優(yōu)勢，共同指導產(chǎn)品NVH設(shè)計，真正實現(xiàn)“試驗-仿真兩條腿走路”。
2 Simcenter3D 系統(tǒng)級NVH和混合建模技術(shù)
系統(tǒng)級NVH和混合建模是Simcenter3D最為獨特的功能之一，所謂混合是試驗與仿真的混合，即子系統(tǒng)既可以通過試驗模型來描述也可以通過仿真模型來描述。
混合建模充分利用了試驗測試的快捷準確與仿真建模的靈活方便。對于無法獲取CAD或CAE模型的子系統(tǒng)，可以用試驗模型代替，既不影響系統(tǒng)分析又保護了技術(shù)秘密。
試驗模型描述的子系統(tǒng)，充分考慮了系統(tǒng)的阻尼與非線性，更為準確，數(shù)據(jù)量也更低，大大降低了仿真分析的計算規(guī)模。同時混合模型中的仿真模型又可以用于產(chǎn)品改進過程中的參數(shù)優(yōu)化。
展開 AI高斯混合模型 ￥4.99
AI高斯混合模型
1 在 AI 中 學習-5. AI 中的概率模型處理不確定性
人工智能 （AI） 中的學習是指系統(tǒng)通過經(jīng)驗、數(shù)據(jù)或與環(huán)境的交互隨著時間的推移提高其任務(wù)性能的過程。
5. AI 中的概率模型處理不確定性，進行預測，并對復雜系統(tǒng)進行建模，其中不確定性和可變性起著至關(guān)重要的作用。這些模型有助于推理、決策和從數(shù)據(jù)中學習。
假設(shè)有一組數(shù)據(jù)點需要根據(jù)它們的相似性分為幾個部分或集群。在機器學習中，這稱為聚類。有幾種方法可用于聚類：
? K 表示聚類
? 分層聚類
? 高斯混合模型
在本文中，將討論高斯混合模型。
2 正態(tài)分布或高斯分布
在現(xiàn)實生活中，許多數(shù)據(jù)集可以通過高斯分布（單變量或多變量）進行建模。因此，假設(shè)這些集群來自不同的高斯分布是非常自然和直觀的。或者換句話說，它試圖將數(shù)據(jù)集建模為多個高斯分布的混合。這就是這個模型的核心思想。
在一維中，高斯分布的概率密度函數(shù)由下式給出
其中 μ和 σ2分別是分布的平均值和方差。對于多元（假設(shè) d 變量）高斯分布，概率密度函數(shù)由下式給出
這是一個μd維向量，表示分布的平均值，是 d X d 協(xié)方差矩陣。
3 高斯混合模型
假設(shè)有 K 個集群（為簡單起見，這里假設(shè)集群的數(shù)量是已知的，它是 K）。soμ 和 也是每個 k 的估計值。如果只有一個分布，它們就會用最大似然法來估計。但是由于有 K 個這樣的集群，并且概率密度被定義為所有這些 K 分布的密度的線性函數(shù)，即
其中 πk是 k的混合系數(shù)th分配。為了通過最大對數(shù)似然法估計參數(shù)，請計算 p(X∣μ,Σ,π)。
現(xiàn)在定義一個隨機變量 γk(X)，使得γk(X)=ρ(k∣X)。
展開 攪拌液液混合仿真模型 ￥100
image_process=/format,webp/quality,q_40/resize,w_760" data-initial-src="https://img.jishulink.com/202406/attachment/96e124379c024213bc31aff1ef70cedc.gif">
</figure>
</div><p>STAR-CCM+案例模型</p><p>攪拌混合中液液混合比較常見，評估攪拌器的混合效果，在STAR-CCM+中設(shè)置探針讀取不同位置液體的分布數(shù)據(jù)，該模型通過運動和多相流歐拉模型EMP結(jié)合模擬攪拌混合瞬態(tài)發(fā)展變化過程。</p><p>模型采用STAR-CCM+2402版本創(chuàng)建，參數(shù)化建模了螺旋槳，運行模擬保存場景圖片可制作含繪圖數(shù)據(jù)的場景動畫，也可以使用歷史文件直接創(chuàng)建攪拌的視頻。</p>
展開 
修正劍橋模型對不同超固結(jié)比（OCR）的排水及不排水試驗模擬matlab程序（附模型資料及程序超詳細注釋） ￥98
原始劍橋模型由英國劍橋大學Roscoe等人于1958年提出（Roscoe等，1958），他首次將固結(jié)、剪切、剪脹、剪縮以及臨界狀態(tài)理論納入到一個統(tǒng)一的框架內(nèi)，在土體本構(gòu)理論的發(fā)展歷史中具有里程碑式的意義。再次基礎(chǔ)上，為了保證等向固結(jié)試驗中土體不產(chǎn)生塑性剪應(yīng)變，1968年Roscoe又提出了修正劍橋模型（Roscoe和Burland，1968），將屈服面的表達式改寫為橢圓形形式。
有關(guān)劍橋模型和修正劍橋模型的詳細介紹及推導可以參考《土的本構(gòu)關(guān)系》這本書（高清PDF可見本帖附件），也可以看我的本構(gòu)視頻課程《土體彈塑性本構(gòu)理論（臨界狀態(tài)理論，劍橋模型，狀態(tài)相關(guān)本構(gòu)，邊界面模型）》（課程鏈接：https://www.yqgqt.org.cn/video/c15737），在此不再贅述。
圖1. 劍橋模型與修正劍橋模型屈服面（左）；等向固結(jié)試驗參數(shù)（右）
本帖附件內(nèi)提供了利用修正劍橋模型對不同超固結(jié)比（OCR）的排水及不排水試驗進行模擬的Matlab程序。程序得到的模擬結(jié)果見圖2。Matlab程序內(nèi)的每一段代碼基本均有詳細注釋，每一個公式后均標注了該公式在PDF資料內(nèi)對應(yīng)的編號，如圖3所示。所有Matlab程序均通俗易懂，清晰明了，十分適合初學者學習，希望能對大家有所幫助。加我QQ私聊可9折優(yōu)惠（2378099909）。
圖2. 不同OCR的不排水（上）及排水（下）三軸壓縮試驗模擬
圖3. 部分程序代碼展示
展開 雙攪拌液液混合仿真模型 ￥200
<p>雙攪拌也是液液混合比較常見的一種形式，STAR-CCM+可以使用運動結(jié)合重疊網(wǎng)格以及多相流模型，對這種應(yīng)用進行比較好的仿真模擬。模型采用STAR-CCM+2402版本創(chuàng)建，參數(shù)化建模了槳葉容器，運行模擬文件后可以獲得歷史文件，通過歷史文件可以制作視頻，也可以通過保存場景圖片制作動畫。這里僅僅提供.sim文件，需要使用者具備STAR-CCM+操作技能，自行運行模擬文件。</p><div contenteditable="false" width="100%">
<figure class="figure-image" data-img="https://img.jishulink.com/202406/attachment/3fbb437179814f46b49763865d91c3b5.gif" style="text-align: center">
<img src="https://img.jishulink.com/202406/attachment/3fbb437179814f46b49763865d91c3b5.gif" data-mobile-src="https://img.jishulink.com/202406/attachment/3fbb437179814f46b49763865d91c3b5.gif?image_process=/format,webp/quality,q_40/resize,w_400" data-pc-src="https://img.jishulink.com/202406/attachment/3fbb437179814f46b49763865d91c3b5.gif?
展開 利用gambit建立混合器計算模型
步驟1：啟動gambit并選定求解器（fluent5/6）
步驟2：創(chuàng)建混合器主體大圓柱
步驟3：設(shè)置混合器的切向入流管
1. 創(chuàng)建小圓柱
2.將入流管移到混合器中部的邊緣
3．將小入流管以Z軸為軸旋轉(zhuǎn)180°復制
步驟4：去掉小圓柱與大圓柱相交的多余部分，并將三個圓柱聯(lián)接成一個整體
步驟5：創(chuàng)建混合器下部的圓錐臺
步驟6：創(chuàng)建出流小管
1．創(chuàng)建出流小圓管
2．將其移動并與錐臺相接
步驟7將混合器上部、漸縮部分和下部出流小管組合為一個整體
步驟8：混合內(nèi)區(qū)域劃分網(wǎng)格
步驟9檢查網(wǎng)格劃分情況
步驟10設(shè)置邊界類型
步驟11msh文件的輸出
-END-
展開 使用ANSYS Fluent的DEM模型(離散單元法)演示轉(zhuǎn)鼓中的顆粒混合
編者按
整個案例使用純DEM計算-與轉(zhuǎn)鼓內(nèi)流體流動無交互作用，啟用滾動模型，通過網(wǎng)格運動實現(xiàn)幾何運動。
混合目鏡模型中理想衍射透鏡的色差校正
[圖片]
VirtualLab Fusion：混合目鏡模型中理想衍射透鏡的色差校正
摘要
具有折射和衍射曲面的混合透鏡在不同的應(yīng)用中成為一種很有前景的解決方案。在這里，我們將演示一個混合目鏡的案例，其中一個衍射透鏡表面被用來校正色差。原始設(shè)計取自Zemax OpticalStudio?，并導入VirtualLab Fusion以供進一步研究。在這種情況下，衍射透鏡表面的模型是由衍射級次、每個級次的衍射效率和波前相位響應(yīng)定義的理想曲面。
設(shè)計和建模任務(wù)
導入的鏡頭文件
原始設(shè)計來自ZemaxOpticStudio?，并導入到VirtualLab Fusion中。
更多信息： 從ZemaxOpticStuidio?導入光學系統(tǒng)
理想衍射透鏡的參數(shù)設(shè)置
衍射透鏡的期望光學功能被定義為波前相位響應(yīng)，它可以在通道操作選項卡中設(shè)置，或從OpticStudio的二進制曲面導入。
對于理想的衍射透鏡，必須定義所考慮的衍射級次及其效率。
更多信息在：衍射透鏡元件
總結(jié)——元件
軸上情況：折射鏡頭
軸上情況：理想衍射透鏡
離軸情況：折射鏡頭
離軸情況：理想衍射透鏡
VirtualLab Fusion技術(shù)
文檔信息
拓展閱讀
- 眼內(nèi)衍射透鏡的設(shè)計與分析
- 衍射透鏡元件
- 從Zemax Optical Studio?導入光學系統(tǒng)
展開 經(jīng)驗模式分解模糊特征提取的支持向量機混合診斷模型
摘要：為解決機械故障小樣本模式識別問題，有效地提高分類的準確率，提出了一種基于經(jīng)驗模式分解
模糊特征提取的支持向量機混合診斷模型。
該模型通過對信號進行經(jīng)驗模式分解，提取信號的本征模式分量并轉(zhuǎn)化為模糊特征向量!對機器故
障進行診斷，然后將模糊特征向量輸入到多分類的支持向量機中，實現(xiàn)了對機器不同故障類型的
識別。
將該模型應(yīng)用于汽輪發(fā)電機組的!種工作狀態(tài)的識別中，測試結(jié)果表明，同原有的未經(jīng)過任何特征
提取以及經(jīng)過小波包模糊特征提取的#種多分類支持向量機方法相比，該模型將分類準確率從原
有的53.3%和86.67%提高到100%，有效地改善了分類的準確性。
同時，該模型還為汽輪發(fā)電機組的故障確診提供了有力依據(jù)。
請享用！
展開 
基于Adams與Ansys的噴漿機斷臂仿真分析 附ANSYS和ADAMS聯(lián)合仿真步驟--剛?cè)?em>混合模型
后臂各鉸點x、y、z方向受力情況
基于Ansys的后臂有限元模型建模及仿真
1.基于HyperMesh有限元模型前處理
為了獲得精度較高的網(wǎng)格，也方便定義后臂材料屬性。本案例中使用HyperMesh對后臂幾何體進行網(wǎng)格劃分。
HyperMesh網(wǎng)格模型
為了方便在對應(yīng)的鉸點上施加上面得到的Adams仿真分析得到的受力結(jié)果，在后臂的鉸座表面處均建立了點網(wǎng)格（MASS21）,并與鉸座表面節(jié)點建立起剛性連接。定義點網(wǎng)格質(zhì)量近似為0，這樣在點網(wǎng)格施加的力可以等效的傳遞到鉸座表面各節(jié)點處。
HyperMesh中建立的剛性連接
2.Ansys有限元模型
將HyperMesh建立的網(wǎng)格文件輸出為cdb格式并導入到Ansys中，在油缸鉸座位置設(shè)置約束，并在鉸點處分別添加x、y、z方向的作用力。（注意：此時坐標系需要與Adams中是否保持一致）
Ansys 仿真模型
進行上述設(shè)置后，進行慣性釋放（Inertia Relif）后進行求解，得到后臂應(yīng)力仿真分析結(jié)果。
后臂應(yīng)力仿真分析結(jié)果
后臂斷裂位置與有限元結(jié)果對比
通過對比該公司現(xiàn)場問題斷臂的位置和有限元仿真結(jié)果，后臂出現(xiàn)裂縫和斷開位置均位于后臂的T型角處，與仿真應(yīng)力最大位置一致。
后臂斷裂位置與有限元結(jié)果對比
下載地址：ANSYS和ADAMS聯(lián)合仿真步驟--剛?cè)?em>混合模型建立
展開 自回歸式語言XLNet模型的文本生成試驗
使用不同的解碼策略，目前產(chǎn)生出許多用于自回歸語言生成的模型，最流行的模型有GPT2, XLNet, OpenAi-GPT, CTRL, TransfoXL, XLM, Bart和T5，對GPT2模型我們已經(jīng)作了很多探索性的工作：
GeotechSet數(shù)據(jù)集在GPT2上的訓練過程
GPT2-Large模型解碼方法比較
GPT2-Large模型解碼方法---Top-K and Top-p
新探索---EleutherAI的GPT Neo/GPT-3模型
GeotechSet模型的擴展和優(yōu)化---集成了aitextgen
開放式文本生成(Open-Ended Text Generation)
同時也對T5模型作了探索性的工作:
生成摘要(Summarization)的新方法
Transformers的Text2TextGeneration管道測試
這個筆記探索另一個模型XLNet。
2 XLNet模型
XLNet來自Google公司Yang等人(2019)的論文《XLNet: Generalized Autoregressive Pretraining for Language Understanding(XLNet: 用于語言理解的廣義自回歸預訓練)》，XLNet是一種無監(jiān)督的語言表征學習方法，它基于一種新的廣義包絡(luò)語言建模目標。XLnet是Transformer-XL模型的一個擴展，使用自回歸方法進行預訓練，在涉及長上下文的語言任務(wù)中表現(xiàn)出優(yōu)異的性能。XLNet在各種下游語言任務(wù)上取得了最先進的(SOTA)結(jié)果，包括問題回答、自然語言推理、情感分析和文檔排名。
XLNet模型主要有兩個：一個是小模型xlnet-base-cased，另一個是大模型xlnet-large-cased。
展開 基于單脈沖試驗的IGBT模型的電壓應(yīng)力測試分析
關(guān)鍵詞：IGBT,單脈沖,電壓應(yīng)力器
作者：田建平
IGBT（絕緣柵雙極型晶體管）是由MOS（絕緣柵型場效應(yīng)管）和BJT（雙極型三極管）組成的復合全控型電壓驅(qū)動式功率半導體器件，IGBT作為功率設(shè)備的核心器件，在電力電子設(shè)備中有著廣泛的應(yīng)用[1-2]。市場不僅追求著低成本和高功率密度，對性能和可靠性要求也更高[3-4]。IGBT的開關(guān)暫態(tài)特性限制著它的最大工作結(jié)溫、最大開關(guān)頻率、EMC性能、散熱性能、優(yōu)化電路系統(tǒng)等性能[5]。
為了進一步了解IGBT工作性能，筆者搭建了光伏3代IGBT采用T型三電平拓撲，額定輸出線電壓315V，電流230A，設(shè)計輸入電壓范圍500～1000V。目前備選IGBT模塊為英飛凌F3L400R12PT4_B26、西門康SKiM400TMLI12E4B、富士4MBI400VG-120R-50。英飛凌IGBT模塊已經(jīng)搭建了實驗樣機，初步的測試表明英飛凌IGBT模塊的關(guān)斷電壓應(yīng)力很大。因IGBT橋臂的耐壓為1200V，關(guān)斷時只承受一半的母線電壓，電壓應(yīng)力不是問題。IGBT的鉗位耐壓值為650V( 英飛凌、西門康) 或600V( 富士)，關(guān)斷電壓尖峰問題很嚴重[6]。
單脈沖測試原理
本文設(shè)計IGBT測試采用單脈沖測試，開通或關(guān)斷狀態(tài)都能測試。為方便起見，只對T3做單脈沖測試。單脈沖實驗原理示意如圖1和圖2所示。
圖1 英飛凌IGBT模塊示意圖
圖2 富士IGBT模塊示意圖
圖1為英飛凌IGBT示意圖，對T2做單脈沖測試時，短路其他
展開 推出試驗有限元模型
求一個驗證過的推出試驗模型
